見出し・要約・本文から、情報のつながりを探します。
arXiv:2610.37881v1 発表タイプ：新規 要旨：ディープフェイク検出モデルは全体的な精度は高いものの、人口統計学的グループ間で性能に大きな偏りが見られ、一部のグループでは他のグループに比べて偽陽性率が著しく高くなるという問題があります。既存の公平性を考慮した手法は、モデルの出力を制限して各グループの予測を均等化することでこの問題に対処していますが、根本的な特徴レベルのバイアスには対処していません。その結果、モデルは依然として肌の質感など、人口統計学的特性を操作されたコンテンツを検出するための間接的な手がかりとして利用してしまう可能性があります。この問題に対処するため、我々はIntersectional Invariant Learning（IIL）というフレームワークを提案します。これは、モデルの出力調整のみならず、特徴学習自体を改善するものです。IILは、最も困難な人口統計学的区分を特定することを繰り返し行い
arXiv:2610.37844v1 公告タイプ：新規 要旨：医用画像間の最適輸送写像を計算することは、形態学的解析において基本的な役割を果たす。しかし、既存の手法は大規模な3D医用画像に対してスケーラビリティに乏しいか、あるいは正則化された定式化に依存しており、その結果得られるのは近似的な輸送写像にすぎない。下流の医用画像解析における精度向上を図るため、凸ポテンシャル関数をパラメータ化することで最適輸送写像を推定する新たなアプローチを提案する。この手法では、構成上、得られる輸送写像が回転ゼロであり、ブレニエの定理と整合することが保証される。我々は、2Dおよび3Dの医用画像データセットの両方で提案手法を評価した。実験結果は、本手法がより低い輸送推定誤差を達成し、より高いqを生成することを示している。
arXiv:2610.37731v1 発表種別：新規 要旨：モデルの不一致により、単一のキャリブレーションパラメータだけでは、文脈領域全体にわたって物理的応答を再現できない場合がある。さらに、観測値や文脈における不確実性もキャリブレーションに影響を及ぼし、これらを考慮・定量化する必要がある。本研究では、ターゲットとなる文脈への近接度に応じて観測尤度に重み付けを行うことで、局所化された事後分布の族を構築する。ガウス型の局所化重みは、共分散の膨張を通じて文脈の不確実性を組み込み、領域境界での反射および不均一な文脈サンプリングに対する補正をオプションで適用できる。条件付き正規化フローを用いて、この事後分布の族をアモルティズド変分推論によって近似する。所定の文脈測度の下で局所化された事後分布を統合することで、
arXiv:2610.37867v1 発表タイプ：新規 要旨：食品の類似性は、検索、推薦、代替など、さまざまな食品コンピューティングタスクの基盤となっているが、従来の食品表現の評価は主に同一性の保持に依拠している。そこで私たちは、同一性を超えた食品の類似性にはどのような変化が生じるのか、異なる視覚表現が食品をいかに関係的な近隣群として構成し、それらの近隣群がどのような料理上の関係を明らかにしたり隠蔽したりするのか、さらに、こうした構造が表現間でどの程度一貫して現れるのかを問う。インド料理は、視覚的に類似する食品であっても異なる料理上のアイデンティティを持つことがあり、一方で同じ料理ファミリーに属する食品でも外見が大きく異なるという、極めて挑戦的な状況を提供する。拡張されたKhanaデータセットと、畳み込み型、トランスフォームァー型を網羅する7つの事前学習済み視覚表現を用いて
arXiv:2610.37905v1 公告タイプ：新規 要旨：SEC EDGAR などの公開情報開示リポジトリは、企業の提出書類へのウェブアクセスを通じて、情報に基づいた投資を支援しています。これらのレビューを言語モデルエージェントで支援するには、関連文書間に存在する明示されていない不備の発見、不足している企業情報の取得、さらに要求された修正が証拠に基づく要件を満たしているかどうかの検証が必要です。既存の財務質問応答に関する評価では、こうした対話型の機能についての証拠は限られています。そこで私たちは、企業開示のレビューおよび修正を目的とした対話型ベンチマーク兼自己進化型エージェントフレームワークである \textbf{FilingLoop} を提案します。米国証券取引委員会（SEC）の歴史的な文書交換に基づき、FilingLoop は 96 社から抽出した、主に IPO 審査に関わる 380 のタスクを再構築します
arXiv:2610.37796v1 発表タイプ：新規 要旨：近年の研究では、大規模言語モデルが特定の概念を単一の方向ではなく、多次元多様体として表現している可能性が示唆されています。これらの多様体を用いて表現を解釈したり制御したりする際には、しばしば、多様体上を移動することが、表現される概念の連続的な変化に対応すると仮定されます。本研究では、典型的な平日多様体に対してこの連続的な多様体仮説を検証します。その目立つ円形の幾何学的構造にもかかわらず、平日の表現は連続的な環というよりも、円状に配置された七つの離散的な状態に近い振る舞いを示すことが分かりました。第一に、局所的感度に平日に対応した七つの極小値が存在し、多様体上の制御下での表現と行動の間には階段状の対応関係が生じることを示します。第二に、w
arXiv:2610.38069v1 公開タイプ：新規 要旨：短時間フーリエ変換（STFT）は、長時間信号の短い時間窓に対するフーリエ変換を計算し、周波数が時間とともにどのように変化するかを特徴づける手法である。フーリエ変換アルゴリズム、特に高速フーリエ変換（FFT）アルゴリズムは、並列計算を活用するために十分に発展しているが、短時間フーリエ変換の並列アルゴリズムの性能に関する研究はまだ限られている。本研究では、FFTベースのアルゴリズムと準並列型のフィードフォワードアルゴリズムという二つの並列短時間フーリエ変換アルゴリズムを実装し、相互に比較・分析した。その結果、並行度が低い環境下では準並列型アルゴリズムの方が実行時間が短いものの、…
arXiv:2610.37819v1 発表タイプ：新規 要旨：量子機械学習（QML）は医療分類においてますます注目されているが、サブグループを意識した公平性基準の下での挙動については依然として十分に研究されていない。本稿では、QMLが本質的に公平であるとは限らないという前提のもと、医療画像に対する古典的および量子分類器の実証的な公平性評価を提示する。評価対象は二つのシナリオであり、DDIデータセット上の皮膚病変（敏感属性：フィッツパトリック皮膚タイプ）と、CheXpert由来データ上の胸部X線画像（敏感属性：年齢層）である。ResNet-18による埋め込みを用い、ベースラインおよび三つの緩和手法—微分可能な等化オッズ（EO）正則化、勾配反転学習（GRL）、および両者を組み合わせた手法—の下で、SVM、MLP、QSVM、QCNNを学習させる。また、基礎モデル（PanDerm、EVA-X）を外部参照として用いる。
arXiv:2610.37906v1 発表タイプ：新規 要旨：スパイキングリザーバーコンピューティングは、固定された再帰型リザーバーの学習効率と、各タイムステップごとに高密度に計算を実行するのではなく、疎なスパイクによって計算がトリガーされるイベント駆動型推論のエネルギー効率を組み合わせた手法である。しかし、既存のスパイキングリザーバーはほぼ例外なくリーク積分・ファイア（LIF）ニューロンに依存しており、そのローパス特性により、異なる時間周波数で符号化された情報を区別する能力が制限されている。そこで我々は、LIFニューロンを多様なハーモニック共鳴・ファイア（HRF）ニューロンの集団に置き換えたリキッド状態マシンであるHRF-Resを提案する。これらのニューロンは固有の振動ダイナミクスを示し、入力信号の周波数に対して選択的に応答するため、リザーバーは周波数情報を捉えることが可能となる。
arXiv:2610.37851v1 公告タイプ：新規 要旨：既存の科学エージェントベンチマークでは、シーケンシングプロトコルで指定された正確な分子構造および生成ワークフローを再構築できるかどうかを評価するケースがほとんどなく、この能力はカスタマイズされたシーケンシングアッセイの解析において極めて重要です。そこで、私たちはシーケンシングライブラリ構造と分子ワークフローの再構築を対象とした文書に基づくベンチマークであるLibStructBenchを提案します。実験結果から、最先端のエージェントは概ね正しい再構築を行えるものの、特に分子状態の表現やワークフローの接続性に関して、正確な再構築には依然として信頼性が低いことが示されました。また、基盤となる言語モデルを切り替えた場合の方が、エージェントハーネスを切り替えた場合よりも平均的な性能差が大きく、統計的に有意な差が認められました。
arXiv:2610.39017v1 発表タイプ：新規 要旨：分散コンセンサスおよび一貫性プロトコルは、その解析が極めて困難であるにもかかわらず、クラウドの基盤を成すものであるため、通常、導入前に厳密な証明と形式的検証を経る。一方で、運用環境において頻繁に発生するプロトコルの改訂には、同程度の厳密さがほとんど適用されておらず、安全性を損なうリスクを抱えている。本論文では、手動による改訂に起因する安全性違反のリスクを排除するため、分散プロトコル向けの自動最適化ツールであるDistOptimizeを提案する。DistOptimizeは、学術的な言語で考案されたスループット向上手法を実運用で用いられるフレームワークへと適応し、Rocq言語を用いて書き換えの正当性を検証するとともに、キャリブレーションとILPベースの探索を組み合わせてその適用を自動化する。
arXiv:2610.39981v1 発表タイプ：新規 要旨：大規模な科学ワークフローは分散型HPCリソース上で実行されるため、科学データ製品がどのように生成され、なぜ類似のワークフロー実行でも非常に異なる結果が得られるのかを説明するのは困難である。既存のシステムは通常、分散ワークフローの実行またはプロヴェナンス管理のいずれかに焦点を当てており、細粒度のプロヴェナンスを分散型科学データアーティファクトの固有の属性として扱う例はほとんどない。本稿では、生成されるすべてのデータアーティファクトにデータライネージと実行コンテキストを直接埋め込む、分散型コンテナ化された科学ワークフロー向けのプロヴェナンスアーキテクチャであるTRACEs（Traceable Runtime for Advanced Containerized Executions）を提案する。プロヴェナンスをワークフロー・オーケストレーションから分離することで、TRACEsはアーティファクト中心のプロヴェナンスを一般化する
arXiv:2610.39222v1 発表タイプ：新規 要旨：AIアクセラレータのアーキテクチャがますます多様化する中、異なるアーキテクチャを統一されたシステムに統合することが、新たな異種コンピューティングのパラダイムとして浮上している。GPUとWSEは計算、メモリ、通信の組織形態において大きく異なり、これによりアーキテクチャ間の相補性と追加のオーバヘッドが生じる一方で、この異種性を実用的な性能向上へと結び付ける方法は依然として不明である。このギャップに対処するため、我々はGPU–WSEの異種実行および相補性を活用するための条件を評価する階層的ベンチマーク手法を提案するとともに、異種性がボトルネックとなる場合とシステムレベルでの性能向上をもたらす場合を特定する解析型性能モデルを提示する。
arXiv:2610.38355v1 発表タイプ：新規 要旨：KVキャッシュの再利用は大規模言語モデルのサービスを加速させるが、既存のシステムではホストのDRAMとNVMe SSDを階層的なヒエラルキーとして管理しており、DRAMが中間キャッシュとして機能している。しかし、実際の大規模言語モデルのワークロードは、この階層構造の二つの前提をいずれも破っている。第一に、バイモーダルな再利用によりDRAMの時間的フィルタリングが無効化される。というのも、ワークロードは長い再利用距離を持つワンショットブロックか、DRAM容量を超える数ギガバイト規模のエージェントセッションによって支配されており、その結果SSDが重要な読み取りパスに置かれているからである。第二に、DRAMによるステージングと、排出現象に基づくレイアウトがSSDの復元処理をボトルネックにしている。進行中のプレフィックスのためにホストのステージングバッファを保持すると、負荷下で競合が生じてプリフェッチが中断されてしまう一方で、段階的な排出現象によってセッション内のブロックがSSD全体に散らばり、大規模なシーケンシャルリードが妨げられる。我々は…
arXiv:2610.37859v1 発表タイプ：新規 要旨：言語モデルエージェントは、文脈における自然言語から学習する能力において、従来の知能システムとは根本的に異なります。この能力により、エージェントはフィードバックに応じて自身の回答を反復的に改善することが可能となり、これは現代のエージェント型ワークフローにおいて広く見られる動作様式です。しかし、コミュニティでは主にPass@1やPass@Kといった指標でモデルを評価しており、それらの指標では、過去の試行に対するフィードバックをどのように活用しているかを捉えることはできません。そこで私たちは、Seq@Kという自然な評価プロトコルを提案します。これは、各前の試行が失敗した後にフィードバックを受け取り、K回の連続した試行のうちに問題を解決できるかどうかを測定するものです。長期的な計画を検討するマルチターン型エージェントベンチマークとは異なり、Seq@Kは、改良という核心的な能力を単独で抽出し、形式化しています。
arXiv:2502.02727v4 発表タイプ：replace-cross 要旨：クライアントドリフト補償手法は、フェデレーテッド学習（FL）におけるデータの非均一性の影響を軽減します。確率的勾配降下法（SGD）ベースのFLではドリフト補正が十分に研究されてきましたが、適応型クライアント最適化手法との相互作用についてはまだ十分に解明されていません。Adamなどの適応型最適化手法は、過去の勾配の移動平均を用いて各更新を行います。そのため、最終的な更新方向のみを補正しても、その移動平均とそこに含まれるドリフトは変更されません。私たちは、これらの移動平均に流入する前に各勾配を補正する「Federated Adaptive Gradient Correction（{\tt FA-GC}）」を提案し、さらに補正を最終的な方向に加える「Federated Adaptive Naive Tracking（{\tt FA-NT}）」と比較しました。我々は、理想的な状況において…
arXiv:2610.36339v1 発表タイプ：新規 要旨：エキスパート並列型混合専門家（MoE）のサービスにおいて、ディスパッチは各トークンをその選択された専門家が配置されているアクセラレータへ送り、コンバインは各トークンの所有者に専門家の出力を集約して返します。これら両操作はクリティカルパス上に位置し、マルチノード環境ではMoE層のレイテンシを大きく左右します。本研究では、ディスパッチとコンバインをネットワークスイッチにオフロードし、さらに両コレクティブを相互に、および専門家計算と重ね合わせるエキスパート並列型MoE層であるINC-MoEを提案します。ディスパッチはスイッチ側のマルチキャストによるネットワーク内AllGatherを用い、コンバインはスイッチ側のリダクションによるネットワーク内ReduceScatterを用います。両コレクティブとも、エンドホストとスイッチ間でメッセージセマンティクスを利用します。なお、ネットワーク内コレクティブはそれぞれ逆方向に負荷をかけるため
arXiv:2610.35869v1 発表タイプ：新規 要旨：AIアプリケーションは、推論が必要かどうかを判断する前にしばしばモデルを呼び出します。このデフォルトの動作は曖昧な生成タスクには有用ですが、構造化され、決定論的で、方針に従い、照合中心的、あるいは直接検証可能な作業には適していません。KORAは、決定論的優先の実行制御を導入します。これは、リクエストをタスクパスとして表現し、まず決定論的または構造化された経路を試行し、経路の結果を検証し、テレメトリを記録したうえで、決定論的な処理だけでは不十分な場合にのみモデル候補の経路へとエスカレートする、事前推論型の制御層です。本稿では、KORAを決定論的優先の実行制御アーキテクチャとして提案し、再現可能なベンチマークおよび検証ワークロードに基づく限定的な証拠を報告します。再現
arXiv:2610.35877v1 発表タイプ：新規 要旨：デプロイメントポリシーを変更すると、物理的な遷移メカニズムや予測器はそのままにしたままでも、世界モデルの不確実性が無効化される可能性がある。ワンステップ予測において、ソース法とターゲット法が条件付きメカニズム $P(Y|X)=Q(Y|X)$ を共有している場合、介入は事前結果の測度変化 $w(X)=dQ_X/dP_X$ によって特定される。ポリシー制御下の動的系では、この比は状態占有率項と行動傾向項に分解される。重み付けコンフォーマル校正により、マージナルカバレッジがターゲット法へと移行する；推定された比 $\hat w$ に対して、$P_Q\{Y \in C_{\hat w}(X)\} \ge 1-\alpha-TV(Q,\hat Q) \ge 1-\alpha-E_P|w-\hat w|$ が成立する。ソース対ターゲットのドメイン分類器に対する集団ロスレギュレーションは、同様の比の誤差を上界付ける。もし $h$ がそのクリッピング
arXiv:2610.33065v1 発表タイプ：新規 要旨：頭皮上の記録はノイズが多く、空間的に粗く、試行間および被験者間で変動するため、EEGによる視覚デコーディングは依然として困難である。多くのシステムでは、各試行を高密度な画像埋め込みに位置合わせしているが、その埋め込みには意味内容と、インスタンス固有のテクスチャ・姿勢・背景が混在している。このような手法では、EEGには存在しない詳細情報を必要とする上、予測を支える視覚的要因について明示的な説明を提供していない。そこで私たちは、共有可能な学習可能な視覚コードブックに基づくソフトな合成としてEEG–画像の位置合わせを再定式化する、プロトタイプ媒介型フレームワークである\textbf{ProtoEEG}を提案する。学習可能なEEGエンコーダーと固定された視覚教師が、同一の$K=64$個のプロトタイプに対する割り当て分布を生成し、それらの重み付けされた再構成が構造化された表現を形成する。
